| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状及问题 | 第15-17页 |
| 1.2.1 极化SAR国内外研究现状 | 第15-16页 |
| 1.2.2 极化SAR图像分类概述 | 第16-17页 |
| 1.2.3 极化SAR图像分类研究现状 | 第17页 |
| 1.3 论文主要工作 | 第17-20页 |
| 第二章 基于度量学习分类器的极化SAR地物分类 | 第20-34页 |
| 2.1 引言 | 第20-21页 |
| 2.2 度量学习分类器框架 | 第21-24页 |
| 2.2.1 构造二元组集合 | 第21页 |
| 2.2.2 二次多项式核函数 | 第21-22页 |
| 2.2.3 基于二元组的度量学习分类器 | 第22-24页 |
| 2.3 本章算法介绍 | 第24页 |
| 2.4 本章实验结果及分析 | 第24-32页 |
| 2.4.1 实验数据 | 第25-27页 |
| 2.4.2 Flevoland地区的实验结果及分析 | 第27-29页 |
| 2.4.3 San Francisco Bay地区的实验结果及分析 | 第29-30页 |
| 2.4.4 Oberpfaffenhofen地区的实验结果及分析 | 第30-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第三章 基于SAE和度量学习分类器的极化SAR地物分类 | 第34-48页 |
| 3.1 引言 | 第34页 |
| 3.2 栈式稀疏自编码器 | 第34-37页 |
| 3.2.1 单层稀疏自编码器 | 第35-36页 |
| 3.2.2 栈式稀疏自编码器 | 第36-37页 |
| 3.3 本章算法介绍 | 第37-38页 |
| 3.4 本章实验结果及分析 | 第38-45页 |
| 3.4.1 实验数据 | 第38-40页 |
| 3.4.2 Flevoland地区的实验结果及分析 | 第40-42页 |
| 3.4.3 San Francisco Bay地区的实验结果及分析 | 第42-44页 |
| 3.4.4 Oberpfaffenhofen地区的实验结果及分析 | 第44-45页 |
| 3.5 本章小结 | 第45-48页 |
| 第四章 基于超像素和度量学习分类器的极化SAR地物分类 | 第48-60页 |
| 4.1 引言 | 第48页 |
| 4.2 Turbopixel超像素算法 | 第48-50页 |
| 4.3 本章算法介绍 | 第50-51页 |
| 4.4 本章实验结果及分析 | 第51-59页 |
| 4.4.1 实验数据 | 第51-53页 |
| 4.4.2 Flevoland地区的实验结果及分析 | 第53-56页 |
| 4.4.3 San Francisco Bay地区的实验结果及分析 | 第56-57页 |
| 4.4.4 Oberpfaffenhofen地区的实验结果及分析 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 作者简介 | 第68-69页 |
